Implementação com Validação Real de um Controle Proporcional, Integral e Derivativo na Plataforma Robótica RoboDeck

Transcrição

1 Implementação com Validação Real de um Controle Proporcional, Integral e Derivativo na Plataforma Robótica RoboDeck Leandro Zanolla 1, Daniel Rodrigues de Sousa 1, Renan Morais Furlaneto 2, Wagner Tanaka Botelho 1 e Maria das Graças Bruno Marietto 2 1 Mestrado em Ciência da Computação Universidade Federal do ABC (UFABC) Av. dos Estados, 5001 Bairro Bangú CEP: Santo André SP Brasil 2 Universidade Federal do ABC (UFABC) Centro de Matemática, Computação e Cognição (CMCC) {leandro.zanolla, daniel.sousa}@ufabc.edu.br {wagner.tanaka, graca.marietto}@ufabc.edu.br Abstract. Although many robots are usually industrial manipulators, in the last decades, the non-conventional robots appear and it is known as a service robots. These are autonomous or partially and also are useful for the human being in different situations. For example, in the rescue, surveillance and perform tasks in areas with difficult access. Thus, this work aims to study and implement in the real robot the Proportional, Integral and Derivative (PID) control algorithm in the RoboDeck platform. Resumo. Embora a grande maioria dos robôs atuais sejam manipuladores industriais, nas últimas décadas, surgiram robôs de aplicações não convencionais conhecidos como os robôs de serviços. Este tipo de robô executa tarefas de forma autônoma ou parcialmente, além de serem úteis ao bem estar do homem em diversas situações. Por exemplo, no resgate, na vigilância e na realização de tarefas em locais de difícil acesso. Sendo assim, para que um robô móvel possa se locomover em um ambiente é necessário estudar e implementar em um robô real o controlador do tipo Proporcional, Integral e Derivativo (PID) na plataforma robótica RoboDeck. 1. Introdução O conceito da robótica surgiu no início da história quando os mitos faziam referência a mecanismos que ganhavam vida. Os primeiros modelos de robôs começaram a ser encontrados na civilização grega e tinham aparência humana e/ou animal, além de serem usados em sistemas de pesos e bombas pneumáticas. Entretanto, não tinham nenhuma necessidade prática ou econômica e nenhum sistema complexo de produtividade que exigisse a existência de robôs. O estudo da robótica móvel é um tema bastante relevante e atual, sendo que pesquisas envolvendo essa área permitiram que houvesse um grande salto em seu desenvolvimento nas últimas duas décadas. A aplicação prática de robôs móveis junto a diferentes atividades na sociedade vem demonstrando o quão promissor é o futuro desta

2 área [Wolf et al. 2009]. Portanto, pode-se citar alguns tipos de robôs que reforçam a importância das pesquisas, por diversos motivos, como econômicos e estratégicos. Por exemplo, robôs domésticos (e.g. aspiradores de pó e cortadores de grama), industriais (e.g. veículos autônomos), militares (sistemas de monitoramento aéreo) e segurança (robôs de patrulhamento de ambientes). Os diversos robôs móveis existentes na literatura demonstram a sua relevância no cenário atual da pesquisa na área. O uso de robôs na navegação em ambientes desconhecidos apresenta-se como uma alternativa para evitar o trabalho do homem na exploração de lugares possivelmente hostis e podem ser utilizados em diversas aplicações. O Curiosity [Showstack 2011], que foi enviado pela NASA para explorar e colher imagens de Marte. Em [Netto et al. 2012] utilizou-se o a plataforma robótica RoboDeck [XBot 2014] com técnicas de visão computacional na navegação, controlando os sensores e atuadores. A navegação de robôs móveis é ainda uma das tarefas mais complexas de se realizar, envolvendo diversos tipos de incertezas nas medições que podem estar relacionadas com a instabilidade física das rodas, limitações do hardware, ente outros. Além disso, o ambiente de navegação pode ser variável, quando por exemplo, a existência de pedestres, mudança de luminosidade, obstáculos, dentre outros. Na escolha de um sistema de navegação, diversos fatores precisam ser levados em consideração, como a configuração das rodas, o sistema de posicionamento e a tarefa a ser realizada. O sistema de navegação precisa ser capaz de permitir uma navegação segura e precisa, sem fazer com que o robô se perca ou fique preso em algum obstáculo presente no percurso a realizar, o que pode afetar o sucesso na realização de sua tarefa [Lemvigh e Moller 2008]. Existem diversos trabalhos que utilizam técnicas para que o robô consiga navegar em um ambiente. Por exemplo, Redes Neurais [Pessin et al. 2007], Controle Proporcional, Integral e Derivativo (PID) [Ogata 2011], entre outras. O PID é um controle em malha fechada com realimentação realizada a partir de um sensor que envia um comando para o atuador. A principal contribuição do presente trabalho é mostrar a possibilidade de implementar o controle PID na plataforma robótica RoboDeck. Portanto, para a validação real do controle implementado, o comportamento do robô é analisado na descida e subida de uma rampa. Este trabalho está organizado como se segue. Na Seção 2 o controlador PID implementado no RoboDeck será explicado. Maiores detalhes sobre a plataforma RoboDeck serão considerados na Seção 3. Os resultados serão descritos na Seção 4. Finalmente, na Seção 5 as conclusões e algumas propostas de trabalhos futuros são apresentadas. 2. Controlador PID O uso de sistemas de controle de malha fechada em robótica é de suma importância para o controle de diversos dispositivos de tração e direção. Existem diversos métodos que podem ser usados para o controle de velocidade e posição. O controlador PID [Ogata 2011] é um sistema de controle de malha fechada e amplamente usado em sistemas embarcados, automação industrial e em diversos tipos de controladores como de temperatura, velocidade, posição, entre outros. O erro é calculado pela diferença entre o valor do processo Process Variable (PV) e o valor desejado Setpoint

3 (SP). Neste caso, o controlador tenta minimizar o erro através de uso de uma variável manipulada. O controlador PID, como a sua sigla sugere, é composto por três termos: Proporcional (P), Integral (I) e Derivativo (D). O P depende do erro atual, I atua sobre o acúmulo dos últimos erros, e D é a previsão dos futuros erros, com base na taxa atual de mudança. A soma ponderada destas três ações é usada para ajustar um elemento de controle, como uma válvula, um motor, um atuador ou a potência fornecida a um elemento de aquecimento, entre outros Controlador Proporcional O controlador P é empregado em sistemas onde a ação de controle deve ser mais suave em relação ao controlador ON-OFF, onde neste tipo de controlador o elemento de controle é simplesmente chaveado de acordo com o SP e em cima de uma histerese para evitar chaveamentos rápidos de controle. Este controlador fornece uma relação linear entre a diferença do PV e SP, de modo que a ação de controle é proporcional ao ganho K p, podendo ter uma ação rápida ou lenta. Uma escolha adequada de K p é necessária para o funcionamento do sistema. A atuação do controlador proporcional é dada pela Equação 1. u(t) = K p e(t) (1) Uma característica do P é que quando o sistema estabiliza a saída não se estabiliza no SP, ficando um valor fora do PV, gerando um valor de erro entre o SP e o PV. Este erro é chamado de offset, sendo maior quando o ganho K p for menor. Em contrapartida, quanto maior o valor do K p aumenta a possibilidade de oscilações no PV Controlador Integral No controlador P, quando ocorrem variações de carga, o valor do offset varia, e este ajuste deve ser feito de forma automática e não manual. Este erro, ao ser integralizado no tempo ajuda a zerar o offset. É por este motivo que o controlador I não trabalha sozinho, estando sempre presente nos controladores PI ou PID. Portanto, a ação do controlador I é dada pela Equação 2. u(t) = K i e(t) (2) 2.3. Controlador Derivativo O controlador D atua sobre a velocidade com que o valor de desvio aumenta, aplicando uma correção proporcional a esta velocidade, resultando em uma correção antecipada por meio da derivada do sinal de erro. Como ocorre no controlador I, o D não é implementado de forma isolada, estando presente nos controladores PD ou PID. A Equação 3 mostra a ação do controlador D que tem como objetivo amortecer as oscilações do sistema, antecipando o sinal de erro calculando a sua derivada.

4 u(t) = K d d e(t) dt (3) 2.4. Controlador Proporcional, Integral e Derivativo Finalmente, com a junção das Equações 1, 2 e 3 tem-se o controlador PID. O uso do controlador PID é muito difundido para a maioria dos casos, já que inicialmente não há necessidade de se conhecer a planta de controle. É possível o ajuste manual dos parâmetros K p, K i e K d, como também pode-se usar alguns métodos consagrados para a sintonia desses parâmetros, como por exemplo o método de Ziegler-Nichols [ZIEGLER e NICHOLS 1993]. 3. Plataforma RoboDeck A plataforma robótica RoboDeck é open source, desenvolvida pela XBot [XBot 2014] e ilustrada na Figura 1. O robô possui rodas omnidirecionais, que permite o seu deslocamento em qualquer direção, sensores ultrassônicos e infravermelho. Além disso, o hardware básico é composto por módulos adicionais, como por exemplo, uma placa de alta performance com Linux embarcado, comunicação wifi e bluetooth, uma câmera com interface USB, entre outros dispositivos. Sendo assim, pode ser controlado remotamente ou funcionar de forma autônoma para realizar tarefas pré-determinadas. A arquitetura do RoboDeck pode ser dividida em software e hardware. O primeiro microcontrolador responsável pelos sensores e atuadores encontra-se na Placa Robótica, sendo o software utilizado é definido como Módulo de Controle Robótico (MCR). Este módulo age como um robô escravo, executando sequencialmente os comandos enviados pela Universal Asynchronous Receiver/Transmitter (UART), que corresponde à interface serial. O segundo microcontrolador tem como objetivo realizar a comunicação de controle do robô e também por manter a sua identidade. Neste caso, a comunicação é implementada com o protocolo Zigbee pelo Módulo de Controle de Comunicação (MCC) localizado na Placa de Comunicação. Uma possível aplicação é o seu uso no monitoramento de áreas de risco em indústrias petroquímicas e usinas de geração de energia, como nuclear e termoelétrica [Finep 2013]. Em [Inovando 2013], a plataforma foi controlada a partir de um celular, mudando sua direção e aceleração. Em [Bezerra 2012], os movimentos do RoboDeck foram controlados por comandos de voz, além de desviar de objetos e definir rotas específicas. 4. Resultados 4.1. Implementação do PID no RoboDeck Os resultados que serão descritos nesta seção foram obtidos implementando o controle PID descrito na Seção 2 na plataforma RoboDeck. A plataforma possui um Software Development KIT (SDK) desenvolvido pela XBot [XBot 2014], de modo que através da aplicação elaborada, seja enviado querys de comando para o SDK que serão convertidos para a linguagem do robô, que efetuará o comando desejado. A Figura 2 ilustra a funcionalidade do software implementado em C#. Esta aplicação é responsável pelo controle PID, leitura e envio dos dados ao SDK e coleta

5 Figure 1. A Plataforma Robótica RoboDeck [XBot 2014]. Figure 2. Fluxograma de Atuação do PID no SDK. Figure 3. Diagrama com a Implementação do Controlador PID no RoboDeck. de dados para análise através de uma query, convertendo em tempo real os comandos para ser enviado ao RoboDeck via wifi. Existe um delay entre o envio e resposta dos comandos e a latência ocorre devido as camadas de aplicação existentes, e pela resposta do robô entre a Placa de Alta Performance e o microcontrolador que atua nos elementos de controle. O diagrama ilustrado na Figura 3 mostra a implementação do sistema de controle, com o controlador PID implementado em C# e a planta de controle, que é o Robodeck. Os parâmetros K p, K i e K d, os dados de SP, o valor de processo (PV) e dados coletados estão no PC, ou seja na aplicação. O envio do esforço de controle e recebimento dos dados do encoder é realizado pela conexão wifi para o PC com a aplicação, fechando assim a malha de controle.

6 4.2. Experimentos O controle dos motores no RoboDeck tem o seu valor corrigido por meio de um método do SDK, cujo esforço é representado por uma faixa que varia entre a , sendo a velocidade máxima. No algoritmo implementado, o SP é o valor desejado e as variáveis K p, K i e K d são constantes que foram definidas tendo como base os movimentos do RoboDeck durante o experimento. O SP corresponde ao número de pulsos desejados a cada segundo, e o valor do PV (Realimentação), está relacionado com o valor de retorno do encoder de cada motor. Os pulsos de cada motor são obtidos pelo encoder, com variação na faixa de 0 a 400 pulsos por volta, ou seja, uma volta completa da roda do robô corresponde a 400 pulsos do encoder. Como a base de tempo utilizado pela aplicação é de 1 segundo, logo o valor da rotação em Rotações por Segundo (RP S) é dado pela Equação 4. RP S = pulsos 400 (4) A resultante do algoritmo proposto, exemplifica de forma ideal, o que de fato se mostra ser um controle PID, dando estabilidade e suavidade à locomoção do robô em terrenos irregulares, rampas e declives, praticando uma correção independente e proporcional em seus dois motores de tração. Portanto, cada motor do RoboDeck recebe um valor de esforço diferente a cada iteração, equilibrando as forças para garantir uma melhor resposta do robô em diferentes cenários. O algoritmo PID no RoboDeck foi validado no cenário ilustrado na Figura 4. Pode-se observar que o robô está se movimentando na descida de uma rampa com pequena inclinação mas suficiente para validar o funcionamento do controle. É importante destacar que a velocidade inicial definida no experimento foi de 10 pulsos de encoder por segundo, equivalente a 0, 025RP S, calculado usando a Equação 4. Durante o experimento foi capturado os dados relacionados aos encoders e também o esforço dos motores para analisar e validar o comportamento do controle PID implementado e estão ilustrados nos gráficos das Figuras 5 (a) e (b), respectivamente. No intervalo de tempo I, relacionado aos movimentos do RoboDeck em 1 e 2 da Figura 4, pode-se observar em (a) que a ação do PID manteve a velocidade constante em 10 pulsos de encoder por segundo, em (b) o esforço do motor se manteve constante, em torno de 500, que corresponde a 1, 52% da potência do motor, a partir do momento que a velocidade inicial foi estabelecida. No intervalo II entre 12 e 14 segundos houve uma aceleração do RoboDeck, saindo do plano para a descida, fazendo com que o algoritmo faça a correção, freando o robô, como pode ser visto em 3, 4 e 5. No intervalo posterior a 15 segundos em III, a retomada da velocidade em 6 foi realizada aumentando a potência dos motores até o RoboDeck alcançar a velocidade inicial. O movimento de subida da rampa também foi realizado para verificar o comportamento do PID e o vídeo pode ser visualizado em [Zanolla et al. 2014b]. 5. Conclusões e Trabalhos Futuros O controle PID foi implementado e validado através de um experimento real utilizando a plataforma RoboDeck na descida de uma rampa. Os resultados obtidos mostra que é

7 Figure 4. Experimento Real do RoboDeck na Descida [Zanolla et al. 2014a]. Figure 5. Dados Reais do Encoder e Variac a o da Pote ncia dos Motores em (a) e (b), respectivamente. possı vel atrave s de uma aplicac a o de alto nı vel a implementac a o do algoritmo, mesmo com algumas limitac o es decorrentes das late ncias provocadas pelas diferentes camadas de hardware e software. Entretanto, uma forma de diminuir a late ncia e a implementac a o do controlador PID diretamente no RoboDeck, seja na Placa de Alta Performance ou no microcontrolador, melhorando o controle de velocidade, ale m de permitir folgas de tempo para a implementac a o de outros algoritmos. Contudo, e importante ressaltar que os resultados obtidos nos experimentos foram satisfato rios. Como trabalho futuro, o RoboDeck precisa saber a sua posic a o no espac o e ter alguma refere ncia. Um dos maiores problemas encontrados para a localizac a o esta relacionado com a te cnica Dead-reckoning. A ideia e a utilizac a o da posic a o atual somada ao deslocamento realizado, a partir do valor da velocidade e tempo. Assim, a posic a o e sempre uma func a o da anterior, o que acaba fazendo com que haja um grande acu mulo de erros. Portanto, e necessa rio utilizar algum me todo matema tico para a reduc a o dos erros, como por exemplo o Filtro de Kalman que e utilizado para a localizac a o de robo s mo veis tanto em ambientes conhecidos como desconhecidos. O filtro consiste de um conjunto de equac o es matema ticas que fornece uma forma computacional eficiente para estimar o estado de um processo, de forma a minimizar o erro quadra tico me dio. Ale m disso, e poderoso em diversos aspectos: (i) estimac o es de eventos passados, presentes e futuros; (ii) utilizado ate mesmo quando a natureza do sistema modelado for desconhecido.

8 Agradecimentos Os autores agradecem ao Conselho de Desenvolvimento Científico e Tecnológico (CNPq) pelo apoio financeiro, no projeto / e a Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) no processo 2013/ Referências Bezerra, T. (2012). Robodeck: Controle de robôs via voz. Disponível em: robodeck-controle-de-robos-voz. Acesso em 03 de Março de Finep (2013). Robodeck: Plataforma universal para pesquisa e educação. Disponível em: cod_noticia=2102. Acesso em 2 de Setembro de Inovando, C. (2013). Teste de controle do robô usando wi-fi via celular com acelerometro. Disponível em: robodeck-teste-de-controle-do-robo-usando-wi-fi-via-celu\ \lar-com-acelerometro/. Acesso em 02 de Setembro de Lemvigh, D. e Moller, A. (2008). Advanced robot navigation for multiagent systems using lego nxt. page 120, Technical University of Denmark,Informatics and Mathematical Modelling Building, Denmark. Netto, A. V., Miranda, F. A., e Pinto, M. A. G. (2012). Driver control for mobile robot and application control trajectory with computer vision. In RoboControl, 5 a Workshop in Applied Robotics and Automation, pages 1 7. Ogata, K. (2011). Engenharia de Controle Moderno. Pearson Education, 5 edition. Pessin, G., Osório, F., S.Musse., Nonnemmacher, V., e Ferreira, S. S. (2007). Utilizando redes neurais artificiais no controle de robôs móveis aplicados ao combate de incêndios florestais. In SEMINCO, XVI Seminário de Computação, pages Showstack, R. (2011). Curiosity on the way to mars. Eos, Transactions American Geophysical Union, 92(49): Wolf, D. F., Osório, F. S., Simões, E., e Onofre, J. T. (2009). Intelligent robotics: From simulation to real world applications. Universidade de São Paulo, USP. XBot (2014). Robodeck plataforma para pesquisa. Disponível em: xbot.com.br/educacional/robodeck/. Acesso em 28 de Agosto de Zanolla, L., de Sousa, D. R., Furlaneto, R. M., Botelho, W. T., e Marietto, M. G. B. (2014a). Experimento real na descida - robodeck. Disponível em: youtube.com/watch?v=egzwqnxpoqg. Acesso em 18 de Setembro de Zanolla, L., de Sousa, D. R., Furlaneto, R. M., Botelho, W. T., e Marietto, M. G. B. (2014b). Experimento real na subida - robodeck. Disponível em: youtube.com/watch?v=uecnm2e7c4c. Acesso em 18 de Setembro de ZIEGLER, J. G. e NICHOLS, N. B. (1993). Optimum settings for automatic controllers. J. Dyn. Sys. Meas. Control, 115(2B):